CN104330343A - 致密砂岩微观孔喉数据的处理方法及装置 - Google Patents

Abstract

本发明提供了一种致密砂岩微观孔喉数据的处理方法及装置，涉及致密砂岩微观孔喉数据表征技术领域，方法包括：通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，并生成一致密砂岩孔喉分布函数；获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。本发明能够解决现有技术中各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征的问题。

Description

致密砂岩微观孔喉数据的处理方法及装置

技术领域

本发明涉及致密砂岩微观孔喉数据表征技术领域，特别是一种致密砂岩微观孔喉数据的处理方法及装置。 

背景技术

在石油天然气开发技术领域中，非常规油气逐渐成为全球油气勘探的新领域。非常规油气的致密砂岩储层的孔喉结构复杂，当前致密储层微观孔喉表征技术有很多，如纳米材料科学、物理化学以及分析化学等。 

目前，具体的致密储层微观孔喉表征方式有二维场发射扫描电镜等图像直接观测孔吼的方式、气体吸附等间接数值测定孔喉结构的方式以及X-CT三维数值重构模拟孔喉结构的方式。上述方式在孔喉大小、分布方面获取了纳米、微米、毫米多尺度测试数据，提高了纳米级微观孔喉结构的表征精度。 

然而，当前各种试验方法对同一致密储层微观孔喉的表征结果的测量范围不同，例如二氧化碳吸附方式得到的测试结果范围一般为0.5nm至1.5nm，氮气吸附方式得到的测试结果范围一般为1nm至100nm，压汞方式得到的测试结果范围一般为小于950μm。当前各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征。 

发明内容

本发明实施例提供一种致密砂岩微观孔喉数据的处理方法及装置，以解决现有技术中各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征的问题。 

为了达到上述目的，本发明采用如下技术方案： 

一种致密砂岩微观孔喉数据的处理方法，包括： 

通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数 组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组； 

确定所述第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围； 

根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数； 

根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数； 

根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数； 

获取致密砂岩微观孔喉数据，并根据所述致密砂岩孔喉分布函数和所述致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；所述致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。 

具体的，所述根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数，包括： 

根据所述第一测试范围以及概率分布函数确定所述第一统计分布函数G(N_A，θ)： 

G(N_A,θ)＝F(A₁)-F(A₀) 

其中，N_A为所述第一孔喉分布数组；θ为所述第一参数；A₁为所述第一测试范围中的最大值；A₀为所述第一测试范围中的最小值；F(A₁)和F(A₀)为所述概率分布函数； 

根据所述第二测试范围以及概率分布函数确定所述第二统计分布函数G(N_B，θ)： 

G(N_B,θ)＝F(B₁)-F(B₀) 

其中，N_B为所述第二孔喉分布数组；B₁为所述第二测试范围中的最大值；B₀为所述第二测试范围中的最小值；F(B₁)和F(B₀)为所述概率分布函数； 

根据所述第三测试范围以及概率分布函数确定所述第三统计分布函数G(N_C，θ)： 

G(N_C,θ)＝F(C₁)-F(C₀) 

其中，N_C为所述第三孔喉分布数组；C₁为所述第三测试范围中的最大值；C₀为所述第三测试范围中的最小值；F(C₁)和F(C₀)为所述概率分布函数。 

另外，所述根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，用公式表示为： 

θ:Max[logG(N_A,θ)+logG(N_B,θ)+logG(N_c,θ)]。 

此外，所述根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，用公式表示为： 

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C 

其中，N为所述致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为所述概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。 

进一步的，该致密砂岩微观孔喉数据的处理方法，还包括： 

获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据； 

根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征； 

获取所述标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值； 

根据所述第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征； 

将所述第二分布特征与所述第一分布特征进行比较，形成第一比较结果，并根据所述第一比较结果，确定所述第一参数是否准确。 

进一步的，该致密砂岩微观孔喉数据的处理方法，还包括： 

将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像； 

对所述二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据的第三分布特征； 

将所述致密砂岩微观孔喉数据的分布特征与所述第三分布特征进行比较，形成第 二比较结果，并根据所述第二比较结果，确定所述第一参数是否准确。 

此外，该致密砂岩微观孔喉数据的处理方法，还包括： 

若所述第一参数不准确，调节所述第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整所述第一参数。 

一种致密砂岩微观孔喉数据的处理装置，包括： 

贝雷岩心处理单元，用于通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组； 

测试范围确定单元，用于确定所述第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围； 

统计分布函数生成单元，用于根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数； 

第一参数生成单元，用于根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数； 

致密砂岩孔喉分布函数生成单元，用于根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数； 

致密砂岩微观孔喉数据的分布特征生成单元，用于获取致密砂岩微观孔喉数据，并根据所述致密砂岩孔喉分布函数和所述致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；所述致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。 

具体的，所述统计分布函数生成单元用于： 

根据所述第一测试范围以及概率分布函数确定所述第一统计分布函数G(N_A，θ)： 

G(N_A,θ)＝F(A₁)-F(A₀) 

其中，N_A为所述第一孔喉分布数组；θ为所述第一参数；A₁为所述第一测试范围中的最大值；A₀为所述第一测试范围中的最小值；F(A₁)和F(A₀)为所述概率分布函数； 

根据所述第二测试范围以及概率分布函数确定所述第二统计分布函数G(N_B，θ)： 

G(N_B,θ)＝F(B₁)-F(B₀) 

其中，N_B为所述第二孔喉分布数组；B₁为所述第二测试范围中的最大值；B₀为所述第二测试范围中的最小值；F(B₁)和F(B₀)为所述概率分布函数； 

根据所述第三测试范围以及概率分布函数确定所述第三统计分布函数G(N_C，θ)： 

G(N_C,θ)＝F(C₁)-F(C₀) 

其中，N_C为所述第三孔喉分布数组；C₁为所述第三测试范围中的最大值；C₀为所述第三测试范围中的最小值；F(C₁)和F(C₀)为所述概率分布函数。 

另外，所述第一参数生成单元根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，用公式表示为： 

θ:Max[logG(N_A,θ)+logG(N_B,θ)+logG(N_c,θ)]。 

此外，所述致密砂岩孔喉分布函数生成单元根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，用公式表示为： 

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C 

其中，N为所述致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为所述概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。 

进一步的，所述致密砂岩微观孔喉数据的处理装置，还包括： 

标准物质微观孔喉数据获取单元，用于获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据，并获取所述标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值； 

第一分布特征生成单元，用于根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征； 

第二分布特征生成单元，用于根据所述第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征； 

第一比较单元，用于将所述第二分布特征与所述第一分布特征进行比较，形成第一比较结果，并根据所述第一比较结果，确定所述第一参数是否准确。 

进一步的，所述致密砂岩微观孔喉数据的处理装置，还包括： 

二维电镜扫描单元，用于将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像； 

第三分布特征获取单元，用于对所述二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据的第三分布特征； 

第二比较单元，用于将所述致密砂岩微观孔喉数据的分布特征与所述第三分布特征进行比较，形成第二比较结果，并根据所述第二比较结果，确定所述第一参数是否准确。 

此外，所述致密砂岩微观孔喉数据的处理装置，还包括： 

第一参数调整单元，用于在所述第一参数不准确时，调节所述第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整所述第一参数。 

本发明实施例提供的致密砂岩微观孔喉数据的处理方法及装置，通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。确定了所述第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围；并根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数；根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数；根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数；获取致密砂岩微观孔喉数据，并根据所述致密砂岩孔喉分布函数和所述致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；所述致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。可见，通过本发明的致密砂岩孔喉分布函数和致密砂岩微观孔喉数据能够生成致密砂岩微观孔喉数据的分布特征，该致密砂岩微观孔喉数据的分布 特征能够融合各实验方法对同一致密储层微观孔喉的表征结果，不存在表征范围重叠，基本能够反映致密储层微观孔喉的孔喉大小分布特征。本发明能够解决现有技术中各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征的问题。 

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。 

图1为本发明实施例提供的致密砂岩微观孔喉数据的处理方法的流程图一； 

图2为本发明实施例提供的致密砂岩微观孔喉数据的处理方法的流程图二； 

图3为本发明实施例中的贝雷岩心孔喉结构分布特征示意图； 

图4为本发明实施例中的二维扫描电镜图像示意图； 

图5为本发明实施例中的致密砂岩不同孔隙类型二维图像统计孔喉分布特征示意图； 

图6为本发明实施例中的致密砂岩采用压汞方式获得的孔喉结构分布特征示意图； 

图7为本发明实施例中的致密砂岩采用二氧化碳吸附方式获得的孔喉结构分布特征示意图； 

图8为本发明实施例中的致密砂岩采用氮气吸附方式获得的孔喉结构分布特征示意图； 

图9为本发明实施例中通过二维扫描电镜图像统计的孔喉特征的示意图； 

图10为本发明实施例中的致密砂岩孔喉大小分布曲线与分布特征示意图； 

图11为本发明实施例提供的致密砂岩微观孔喉数据的处理装置的结构示意图一； 

图12为本发明实施例提供的致密砂岩微观孔喉数据的处理装置的结构示意图二。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

如图1所示，本发明实施例提供一种致密砂岩微观孔喉数据的处理方法，包括： 

步骤101、通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。 

步骤102、确定第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围。 

步骤103、根据第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数。 

步骤104、根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数。 

步骤105、根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数。 

步骤106、获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征。 

其中，该致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。 

本发明实施例提供的致密砂岩微观孔喉数据的处理方法，通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。确定了第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、 第二测试范围以及第三测试范围；并根据第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数；根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数；根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数；获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。可见，通过本发明的致密砂岩孔喉分布函数和致密砂岩微观孔喉数据能够生成致密砂岩微观孔喉数据的分布特征，该致密砂岩微观孔喉数据的分布特征能够融合各实验方法对同一致密储层微观孔喉的表征结果，不存在表征范围重叠，基本能够反映致密储层微观孔喉的孔喉大小分布特征。本发明能够解决现有技术中各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征的问题。 

具体的，上述的步骤103的根据第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数，可以通过如下方式实现： 

根据第一测试范围以及概率分布函数确定第一统计分布函数G(N_A，θ)： 

G(N_A,θ)＝F(A₁)-F(A₀) 

其中，N_A为第一孔喉分布数组；θ为第一参数；A₁为第一测试范围中的最大值；A₀为第一测试范围中的最小值；F(A₁)和F(A₀)为概率分布函数。 

根据第二测试范围以及概率分布函数确定第二统计分布函数G(N_B，θ)： 

G(N_B,θ)＝F(B₁)-F(B₀) 

其中，N_B为第二孔喉分布数组；B₁为第二测试范围中的最大值；B₀为第二测试范围中的最小值；F(B₁)和F(B₀)为概率分布函数。 

根据第三测试范围以及概率分布函数确定第三统计分布函数G(N_C，θ)： 

G(N_C,θ)＝F(C₁)-F(C₀) 

其中，N_C为第三孔喉分布数组；C₁为第三测试范围中的最大值；C₀为第三测试范围中的最小值；F(C₁)和F(C₀)为概率分布函数。 

另外，上述的步骤104根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，可以通过公式表示为： 

θ:Max[logG(N_A,θ)+logG(N_B,θ)+logG(N_c,θ)]。 

此外，上述的步骤105根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，可以用公式表示为： 

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C 

其中，N为致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。 

下面列举一个更为具体的实施例，如图2所示，本发明实施例提供的致密砂岩微观孔喉数据的处理方法，包括： 

步骤201、通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。 

为了保证计算的准确性，上述的贝雷岩心可以采用多组，例如可以采用具有不同孔隙度和渗透率的四组贝雷岩心，每组3块，处于相同组的3块贝雷岩心具有相同的孔隙度和渗透率，从而作为上述步骤201的孔喉结构表征的材料。 

有关该贝雷岩心的基本数据可以如下表1所示： 

上述通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，可以得到如图3所示的表征结果，横坐标表示孔喉大小，纵坐标表示各孔喉大小所占的百分比，其中A部分表示二氧化碳气体吸附方式所对应的孔喉结构表征结果，B部分表示氮气吸附方式所对应的孔喉结构表征结果，C部分表示压汞方式所对应的孔喉结构表征结果，而D部分表示步骤205中的致密砂岩孔喉分布函数对应的孔喉结构表征结果。 

步骤202、确定第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围。 

该第一测试范围，第二测试范围和第三测试范围分别表示二氧化碳气体吸附方式、氮气吸附方式以及压汞方式的测试范围。例如第一测试范围为表1中的0.5nm～1.5nm，第二测试范围为表1中的1nm～100nm，第三测试范围为表1中的小于950μm。 

步骤203、根据第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数。 

其中，根据第一测试范围以及概率分布函数确定第一统计分布函数G(N_A，θ)： 

G(N_A,θ)＝F(A₁)-F(A₀) 

其中，N_A为第一孔喉分布数组；θ为第一参数；A₁为第一测试范围中的最大值；A₀为第一测试范围中的最小值；F(A₁)和F(A₀)为概率分布函数。 

根据第二测试范围以及概率分布函数确定第二统计分布函数G(N_B，θ)： 

G(N_B,θ)＝F(B₁)-F(B₀) 

其中，N_B为第二孔喉分布数组；B₁为第二测试范围中的最大值；B₀为第二测试范围中的最小值；F(B₁)和F(B₀)为概率分布函数。 

根据第三测试范围以及概率分布函数确定第三统计分布函数G(N_C，θ)： 

G(N_C,θ)＝F(C₁)-F(C₀) 

其中，N_C为第三孔喉分布数组；C₁为第三测试范围中的最大值；C₀为第三测试范围中的最小值；F(C₁)和F(C₀)为概率分布函数。 

步骤204、根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数。 

通过公式表示为： 

θ:Max[logG(N_A,θ)+logG(N_B,θ)+logG(N_c,θ)] 

步骤205、根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数。 

用公式表示为： 

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C 

其中，N为致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。 

步骤206、获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据。 

该不同配比的混合标准物质即由介孔标准物质和微孔标准物质组成。 

步骤207、根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征。 

步骤208、获取标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值。 

步骤209、根据第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征。 

步骤210、将第二分布特征与第一分布特征进行比较，形成第一比较结果，并根据第一比较结果，确定第一参数是否准确。若第一参数准确，继续执行步骤211，否则若第一参数不准确，执行步骤216。 

具体的，该第一比较结果小于一预先设置的阈值时，可以确定该第一参数准确。 

步骤211、将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像。 

步骤212、对二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据 的第三分布特征。 

例如如图4所示，列举了几种二维电镜扫描图像，通过对二维电镜扫描图像进行图像分析，能够获取得到致密砂岩微观孔喉数据的第三分布特征。其中A部分为原生粒间微孔，孔喉大小为20-250nm，平均孔喉大小为170nm；B部分为粒内溶蚀微孔，孔喉大小为20～690nm，平均孔喉大小为400nm；C部分为微裂缝，孔喉大小为30～570nm，平均孔喉大小为430nm。上述A、B、C三部分分别对应的第三分布特征可以如图5所示。 

步骤213、获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征。 

其中，该致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。 

步骤214、将致密砂岩微观孔喉数据的分布特征与第三分布特征进行比较，形成第二比较结果，并根据第二比较结果，确定第一参数是否准确。若第一参数准确，继续执行步骤215，否则若第一参数不准确，执行步骤216。 

具体的，当该第二比较结果小于一预先设置的阈值时，可以确定该第一参数准确。 

步骤215、确定真是盆地的致密砂岩微观孔喉数据的分布特征准确。 

步骤216、调节第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整第一参数。之后返回执行步骤205。 

通过上述步骤206至步骤215可以对该第一参数的准确性进行确认，从而通过调整第一参数，从而修正致密砂岩孔喉分布函数，提高对真实盆地的致密砂岩微观孔喉数据的分布特征表征的精度。 

下面列举一个本实施例上述步骤201-215的具体应用实例： 

当前，鄂尔多斯盆地上古生界延长组致密砂岩油分布广，长6致密砂岩油有利勘探面积约3×10⁴km²，资源量约10.9×10⁸t，具有分布范围广、烃源优越、储层致密、孔喉结构复杂、物性差、油饱高、油品好和压力低等特点，已建成规模产能。故以延长组长6致密砂岩为例，开展致密砂岩微观孔喉测试数据融合算法及验证实验。 

鄂尔多斯盆地延长组致密储层以细砂岩和粉砂岩为主，储层致密，孔隙类型一般为溶孔型或粒间孔-溶孔型，喉道细小，平均中值半径仅0.14μm，孔隙度一般为6～14％，空气渗透率一般小于1×10^-3μm²，孔喉以微米、纳米多尺度分布为特征，绝大 多数样品孔喉半径小于1μm。通过不同孔喉大小标准物质混合测定与标准多范围孔喉特征砂岩样品协同测定的基础上，建立多尺度孔喉数据融合算法的验证实验，可以明确我国最大油气田鄂尔多斯盆地延长组致密砂岩孔喉分布计算公式与特征。通过分别对鄂尔多斯盆地延长组长6段致密砂岩56块样品的压汞、二氧化碳吸附以及氮气吸附三类测试分析，获取得到孔喉结构分布(如图6、7、8)，建立致密砂岩孔喉分布函数，并利用扫描电镜等图像统计孔喉特征(如图9所示)，能够精确确认真实盆地环境下的第一参数θ，最终确定鄂尔多斯盆地延长组6致密砂岩孔喉大小分布曲线与分布特征(如图10所示)。通过图10可以看出鄂尔多斯盆地长6段致密砂岩储层孔喉大小呈正态分布曲线，10nm-1.5um孔喉为鄂尔多斯盆地延长组6段致密砂岩主体孔喉类型，占总孔喉体积的82％以上，0-10nm孔喉占总孔喉6.5％，1.5um-10um的孔喉占总孔喉的7％，大于10um孔喉百分比可达4.5％。可见10nm-1.5um孔喉为主体孔喉分布区间，构成了研究区致密砂岩储层最主要储集空间，为准确评价致密砂岩储集性能提供实验依据。 

对应于上述图1和图2所示的方法实施例，本发明还提供一种致密砂岩微观孔喉数据的处理装置，如图11所示，包括： 

贝雷岩心处理单元31，可以通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。 

测试范围确定单元32，可以确定第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围。 

统计分布函数生成单元33，可以根据第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数。 

第一参数生成单元34，可以根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数。 

致密砂岩孔喉分布函数生成单元35，可以根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数。 

致密砂岩微观孔喉数据的分布特征生成单元36，可以获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征。其中，致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。 

具体的，该统计分布函数生成单元33可以根据第一测试范围以及概率分布函数确定第一统计分布函数G(N_A，θ)： 

G(N_A,θ)＝F(A₁)-F(A₀) 

其中，N_A为第一孔喉分布数组；θ为第一参数；A₁为第一测试范围中的最大值；A₀为第一测试范围中的最小值；F(A₁)和F(A₀)为概率分布函数。 

还可以根据第二测试范围以及概率分布函数确定第二统计分布函数G(N_B，θ)： 

G(N_B,θ)＝F(B₁)-F(B₀) 

其中，N_B为第二孔喉分布数组；B₁为第二测试范围中的最大值；B₀为第二测试范围中的最小值；F(B₁)和F(B₀)为概率分布函数。 

还可以根据第三测试范围以及概率分布函数确定第三统计分布函数G(N_C，θ)： 

G(N_C,θ)＝F(C₁)-F(C₀) 

其中，N_C为第三孔喉分布数组；C₁为第三测试范围中的最大值；C₀为第三测试范围中的最小值；F(C₁)和F(C₀)为概率分布函数。 

另外，第一参数生成单元34根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，用公式表示为： 

θ:Max[logG(N_A,θ)+logG(N_B,θ)+logG(N_c,θ)]。 

此外，致密砂岩孔喉分布函数生成单元35根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，用公式表示为： 

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C 

其中，N为致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。 

进一步的，如图12所示，该致密砂岩微观孔喉数据的处理装置，还包括： 

标准物质微观孔喉数据获取单元37，可以获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据，并获取标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值。 

第一分布特征生成单元38，可以根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征。 

第二分布特征生成单元39，可以根据第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征。 

第一比较单元40，可以将第二分布特征与第一分布特征进行比较，形成第一比较结果，并根据第一比较结果，确定第一参数是否准确。 

进一步的，如图12所示，该致密砂岩微观孔喉数据的处理装置，还可以包括： 

二维电镜扫描单元41，可以将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像。 

第三分布特征获取单元42，可以对二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据的第三分布特征。 

第二比较单元43，可以将致密砂岩微观孔喉数据的分布特征与第三分布特征进行比较，形成第二比较结果，并根据第二比较结果，确定第一参数是否准确。 

此外，如图12所示，该致密砂岩微观孔喉数据的处理装置，还包括： 

第一参数调整单元44，可以在第一参数不准确时，调节第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整第一参数。 

值得说明的是，本发明实施例提供的致密砂岩微观孔喉数据的处理装置的具体实现方式可以参见图1和图2所示的方法实施例，此处不再赘述。 

本发明实施例提供的致密砂岩微观孔喉数据的处理装置，通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组。确定了第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围；并根据第一测试范围、第二测试范围、第三测试范 围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数；根据第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数；根据第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数；获取致密砂岩微观孔喉数据，并根据致密砂岩孔喉分布函数和致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。可见，通过本发明的致密砂岩孔喉分布函数和致密砂岩微观孔喉数据能够生成致密砂岩微观孔喉数据的分布特征，该致密砂岩微观孔喉数据的分布特征能够融合各实验方法对同一致密储层微观孔喉的表征结果，不存在表征范围重叠，基本能够反映致密储层微观孔喉的孔喉大小分布特征。本发明能够解决现有技术中各种实验方法对同一致密储层微观孔喉的表征结果的范围不同，或存在范围重叠，难以反映致密储层微观孔喉的孔喉大小分布特征的问题。 

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。 

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。 

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一 个方框或多个方框中指定的功能。 

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。 

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。 

Claims (14)

1.一种致密砂岩微观孔喉数据的处理方法，其特征在于，包括：

通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组；

确定所述第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围；

根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数；

根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数；

根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数；

获取致密砂岩微观孔喉数据，并根据所述致密砂岩孔喉分布函数和所述致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；所述致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。

2.根据权利要求1所述的致密砂岩微观孔喉数据的处理方法，其特征在于，所述根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数，包括：

根据所述第一测试范围以及概率分布函数确定所述第一统计分布函数G(N_A，θ)：

G(N_A,θ)＝F(A₁)-F(A₀)

其中，N_A为所述第一孔喉分布数组；θ为所述第一参数；A₁为所述第一测试范围中的最大值；A₀为所述第一测试范围中的最小值；F(A₁)和F(A₀)为所述概率分布函数；

根据所述第二测试范围以及概率分布函数确定所述第二统计分布函数G(N_B，θ)：

G(N_B,θ)＝F(B₁)-F(B₀)

其中，N_B为所述第二孔喉分布数组；B₁为所述第二测试范围中的最大值；B₀为所述第二测试范围中的最小值；F(B₁)和F(B₀)为所述概率分布函数；

根据所述第三测试范围以及概率分布函数确定所述第三统计分布函数G(N_C，θ)：

G(N_C,θ)＝F(C₁)-F(C₀)

其中，N_C为所述第三孔喉分布数组；C₁为所述第三测试范围中的最大值；C₀为所述第三测试范围中的最小值；F(C₁)和F(C₀)为所述概率分布函数。

3.根据权利要求2所述的致密砂岩微观孔喉数据的处理方法，其特征在于，所述根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，用公式表示为：

θ:Max[log G(N_A,θ)+log G(N_B,θ)+log G(N_c,θ)]。

4.根据权利要求3所述的致密砂岩微观孔喉数据的处理方法，其特征在于，所述根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，用公式表示为：

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C

其中，N为所述致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为所述概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。

5.根据权利要求4所述的致密砂岩微观孔喉数据的处理方法，其特征在于，还包括：

获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据；

根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征；

获取所述标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值；

根据所述第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征；

将所述第二分布特征与所述第一分布特征进行比较，形成第一比较结果，并根据所述第一比较结果，确定所述第一参数是否准确。

6.根据权利要求4所述的致密砂岩微观孔喉数据的处理方法，其特征在于，还包括：

将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像；

对所述二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据的第三分布特征；

将所述致密砂岩微观孔喉数据的分布特征与所述第三分布特征进行比较，形成第二比较结果，并根据所述第二比较结果，确定所述第一参数是否准确。

7.根据权利要求5或6所述的致密砂岩微观孔喉数据的处理方法，其特征在于，还包括：

若所述第一参数不准确，调节所述第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整所述第一参数。

8.一种致密砂岩微观孔喉数据的处理装置，其特征在于，包括：

贝雷岩心处理单元，用于通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式将三个具有相同孔隙度和渗透率的贝雷岩心进行孔喉结构表征，分别得到压汞方式所对应的第一孔喉分布数组、二氧化碳气体吸附方式所对应的第二孔喉分布数组和氮气吸附方式所对应的第三孔喉分布数组；

测试范围确定单元，用于确定所述第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组分别对应的第一测试范围、第二测试范围以及第三测试范围；

统计分布函数生成单元，用于根据所述第一测试范围、第二测试范围、第三测试范围以及概率分布函数分别确定第一孔喉分布数组对应的第一统计分布函数、第二孔喉分布数组对应的第二统计分布函数和第三孔喉分布数组对应的第三统计分布函数；

第一参数生成单元，用于根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数；

致密砂岩孔喉分布函数生成单元，用于根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数；

致密砂岩微观孔喉数据的分布特征生成单元，用于获取致密砂岩微观孔喉数据，并根据所述致密砂岩孔喉分布函数和所述致密砂岩微观孔喉数据生成致密砂岩微观孔喉数据的分布特征；所述致密砂岩微观孔喉数据为通过压汞方式、二氧化碳气体吸附方式以及氮气吸附方式处理真实盆地的致密砂岩得到的。

9.根据权利要求8所述的致密砂岩微观孔喉数据的处理装置，其特征在于，所述统计分布函数生成单元，具体用于：

根据所述第一测试范围以及概率分布函数确定所述第一统计分布函数G(N_A，θ)：

G(N_A,θ)＝F(A₁)-F(A₀)

其中，N_A为所述第一孔喉分布数组；θ为所述第一参数；A₁为所述第一测试范围中的最大值；A₀为所述第一测试范围中的最小值；F(A₁)和F(A₀)为所述概率分布函数；

根据所述第二测试范围以及概率分布函数确定所述第二统计分布函数G(N_B，θ)：

G(N_B,θ)＝F(B₁)-F(B₀)

其中，N_B为所述第二孔喉分布数组；B₁为所述第二测试范围中的最大值；B₀为所述第二测试范围中的最小值；F(B₁)和F(B₀)为所述概率分布函数；

根据所述第三测试范围以及概率分布函数确定所述第三统计分布函数G(N_C，θ)：

G(N_C,θ)＝F(C₁)-F(C₀)

其中，N_C为所述第三孔喉分布数组；C₁为所述第三测试范围中的最大值；C₀为所述第三测试范围中的最小值；F(C₁)和F(C₀)为所述概率分布函数。

10.根据权利要求9所述的致密砂岩微观孔喉数据的处理装置，其特征在于，所述第一参数生成单元根据所述第一统计分布函数、第二统计分布函数和第三统计分布函数确定一第一参数，用公式表示为：

θ:Max[log G(N_A,θ)+log G(N_B,θ)+log G(N_c,θ)]。

11.根据权利要求10所述的致密砂岩微观孔喉数据的处理装置，其特征在于，所述致密砂岩孔喉分布函数生成单元根据所述第一参数、概率分布函数、第一孔喉分布数组、第二孔喉分布数组、第三孔喉分布数组、第一测试范围、第二测试范围和第三测试范围生成致密砂岩孔喉分布函数，用公式表示为：

$N=\frac{N_X}{F(X_1,\mathrm{\θ})-F(X_0,\mathrm{\θ})},$ X为A,B,C

其中，N为所述致密砂岩孔喉分布函数；N_X表示第一孔喉分布数组、第二孔喉分布数组或第三孔喉分布数组；F(X₁，θ)和F(X₀，θ)为所述概率分布函数；X₁表示第一测试范围、第二测试范围或第三测试范围中的最大值；X₀表示第一测试范围、第二测试范围或第三测试范围中的最小值。

12.根据权利要求11所述的致密砂岩微观孔喉数据的处理装置，其特征在于，还包括：

标准物质微观孔喉数据获取单元，用于获取介孔标准物质、微孔标准物质或者不同配比的混合标准物质的标准物质微观孔喉数据，并获取所述标准物质微观孔喉数据中的标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值；

第一分布特征生成单元，用于根据标准物质微观孔喉数据生成标准物质微观孔喉数据的第一分布特征；

第二分布特征生成单元，用于根据所述第一参数、标准物质孔喉分布数组、标准物质测试范围中的最大值和标准物质测试范围中的最小值计算得到标准物质微观孔喉数据的第二分布特征；

第一比较单元，用于将所述第二分布特征与所述第一分布特征进行比较，形成第一比较结果，并根据所述第一比较结果，确定所述第一参数是否准确。

13.根据权利要求11所述的致密砂岩微观孔喉数据的处理装置，其特征在于，还包括：

二维电镜扫描单元，用于将真实盆地的致密砂岩进行二维电镜扫描，获取得到二维电镜扫描图像；

第三分布特征获取单元，用于对所述二维电镜扫描图像进行图像分析，获取得到致密砂岩微观孔喉数据的第三分布特征；

第二比较单元，用于将所述致密砂岩微观孔喉数据的分布特征与所述第三分布特征进行比较，形成第二比较结果，并根据所述第二比较结果，确定所述第一参数是否准确。

14.根据权利要求12或13所述的致密砂岩微观孔喉数据的处理装置，其特征在于，还包括：

第一参数调整单元，用于在所述第一参数不准确时，调节所述第一统计分布函数、第二统计分布函数和第三统计分布函数，以调整所述第一参数。